如今，人工智能在家居、医疗、交通、教育及金融等不同领域皆有不同程度的渗透。但在落地的过程中，人工智能仍面临许多问题，比如数据传输与存储压力越来越大；人工智能技术应用对数据传输和处理要求更加严格等。如今，5G 技术带来更大的带宽、更快的传输速度、更低的通信延时等众多优势，因此，5G 技术成为驱动人工智能的新动力。
如果企业要在人工智能领域和 5G 技术上取得快速突破，迎来转型升级，就必须在数据和场景上下足功夫。人工智能在数据方面的问题主要包括 3 个方面，
关于超级智能商业化场景的无限想象
第一，传统行业大数据量少。例如，传统的工厂车间及电力行业。
第二，大数据实时更新效率低。例如，在无人驾驶领域，如果存在网络延迟，自动驾驶车辆就不能获得周围的环境信息，特别是公路的车流情况、天气变化情况，以及红绿灯的变化和行人的聚散程度。这样，就容易造成各种交通事故。
第三，缺乏专业领域的数据专家。人工智能数据的优化处理必须借助专业领域内的权威知识或经验，特别是在人工智能医疗领域。大数据的采集工作可以交给人工智能来处理，但是，专业的数据解读必须借助专业的医生。目前，若要使人工智能迅速落地，我们必须将数据分析技术与专业知识融合，培养新一代的综合型人才。
一切技术上的障碍，都可以通过技术的进步逐渐化解。对于人工智能数据中存在的 3 个问题，相关科研机构将会不遗余力地通过算法的开发及深度学习技术的应用来解决。想要实现转型，达成质变的企业则需要投入资金，积极运用这些技术，为自己的产品创新或企业升级做准备。
人工智能数据处理是基础，场景落地是关键。在逐步解决数据问题之后，企业就要着手解决具体的商业落地问题。
首先，寻找应用场景其实没有什么窍门，最关键的是深入实践。在深入实践的过程中，技术工作者要多沟通、多学习，用亲民的话语与人们进行交流，这样才能了解人们真正的需求及目前研发的人工智能产品的短板。这样，企业才能找到好的突破口，研发出人们喜闻乐见的人工智能产品，让我们的生活因人工智能而精彩。
其次，人工智能的场景落地要遵循流程化的原则。所谓流程化， 就是要循序渐进，从一个个小的场景区落地，逐步解决痛点，最终才能有一个美好的未来。
最后，要用长远的眼光看待目前发展中存在的问题。只站在目前的时代看人工智能，人工智能的发展必然不会有太大的突破，科学家或企业家要用长远的眼光看人工智能的发展。尽情展望 10 年
后或 50 年后，人工智能将会有什么样的进展。只有这样，我们才能绘出人工智能的蓝图，才会有一个具体的人工智能奋斗规划。
综上所述，目前人工智能在商业落地时仍存在数据问题及具体的场景落地问题。面对这些问题，科学家要通过 AI 技术和 5G 技术的提升来解决数据问题，企业家则需要高瞻远瞩，通过畅想并落实具体的场景来解决人工智能商业发展的问题。